MétaCan
Menu
Retour à la cohorte
Enregistrement W1984269780 · doi:10.1155/2014/101872

Effect of Casting Parameters on the Microstructural and Mechanical Behavior of Magnesium AZ31-B Alloy Strips Cast on a Single Belt Casting Simulator

2014· article· en· W1984269780 sur OpenAlexaff
Ahmad Changizi, Mamoun Medraj, Mihaiela Isac

Notice bibliographique

RevueAdvances in Materials Science and Engineering · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensConcordia UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceMetallurgySTRIPSComposite materialCastingMagnesium alloyHeat fluxCopperSubstrate (aquarium)MagnesiumHeat transfer

Résumé

récupéré en direct d'OpenAlex

Strips of magnesium alloy AZ31-B were cast on a simulator of a horizontal single belt caster incorporating a moving mold system. Mixtures of CO 2 and sulfur hexafluoride (SF 6 ) gases were used as protective atmosphere during melting and casting. The castability of the AZ31-B strips was investigated for a smooth, low carbon steel substrate, and six copper substrates with various textures and roughnesses. Graphite powder was used to coat the substrates. The correlation between strip thickness and heat flux was investigated. It was found that the heat flux from the forming strip to the copper substrate was higher than that to the steel substrate, while coated substrates registered lower heat fluxes than uncoated substrates. The highest heat flux from the strip was recorded for casting on macrotextured copper substrates with 0.15 mm grooves. As the thickness of the strip decreased, the net heat flux decreased. As the heat flux increased, the grain sizes of the strips were reduced, and the SDAS decreased. The mechanical properties were improved when the heat flux increased. The black layers which formed on the strips’ surfaces were analyzed and identified as nanoscale MgO particles. Nano-Scale particles act as light traps and appeared black.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,438

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,234
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Materials Science and EngineeringMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207